个人健康数据智能分析助手

基于 Fitbit 官方 API 的个人健康数据分析工具，支持步数、心率、睡眠等多维度健康指标获取与自动化报告生成，数据本地处理保障隐私安全。

基本信息

• 技能名称?fitbit-analytics
• 中文名称?个人健康数据智能分析助手
• 作者?kesslerio
• 分类?专业技能
• 版本?v1.0.0
• 标签?healthcare-life-sciences, data-analytics, api, automation, productivity

使用方法

使用说明
核心用法
Fitbit Analytics 是一款面向个人用户的健康数据集成分析工具，通过调用 Fitbit Web API 获取用户的运动、睡眠、心率等健康指标。用户需先在 Fitbit 开发者平台创建应用并获取 OAuth 2.0 凭证（CLIENT_ID、CLIENT_SECRET、ACCESS_TOKEN、REFRESH_TOKEN），配置环境变量后即可使用。
该 Skill 提供三种主要使用方式：

1. 每日简报（fitbit_briefing.py） ：生成包含昨日活动、Active Zone Minutes、今日步数/卡路里/心率/睡眠等核心指标的晨间健康报告，支持文本、精简、JSON 三种输出格式
2. CLI 数据获取（fitbit_api.py） ：通过命令行获取指定时间范围的步数、卡路里、心率、睡眠等原始数据
3. Python API 调用 ：在代码中直接实例化 FitbitClient 或 FitbitAnalyzer 进行程序化数据获取与分析
   此外，alerts.py 支持基于阈值的健康提醒功能，可设置步数、睡眠时长等指标的监控告警。
   显著优点
   零外部依赖 ：仅使用 Python 标准库（urllib、json、argparse 等），无 pip 包依赖，部署简单且供应链攻击风险极低
   数据隐私优先 ：所有健康数据仅在本地处理，不传输至第三方服务器，Token 缓存采用 600 权限保护
   完善的异常处理 ：网络请求设置 10 秒超时，API 响应有安全的数据转换函数（_safe_float、_safe_int），错误信息不泄露敏感信息
   灵活的输出格式 ：支持文本简报、JSON 结构化数据、精简三行摘要等多种输出，便于集成至自动化工作流（如 Telegram 定时推送）
   Token 自动刷新 ：内置 OAuth Token 刷新机制，避免手动重复授权
   潜在缺点与局限性
   T3 来源可信度 ：开发者为个人账号（kesslerio），非企业或官方组织背书，项目维护持续性存在不确定性
   功能覆盖有限 ：无法获取 Fitbit Premium 专属功能（如 Cardio Load），部分高级健康指标不可用
   配置门槛较高 ：需用户自行完成 Fitbit 开发者应用创建、OAuth 授权流程，对非技术用户不够友好
   单用户设计 ：凭证绑定单一用户，不适合多用户共享或企业级部署场景
   无可视化能力 ：仅输出原始数据或文本报告，需配合其他工具实现图表可视化
   适合的目标群体
   健康数据爱好者 ：希望深度分析个人运动、睡眠趋势的技术型用户
   量化自我（Quantified Self）实践者 ：需要将 Fitbit 数据集成至个人自动化工作流（如 Notion、Telegram、Home Assistant）
   开发者/工程师 ：具备 Python 基础，希望基于 Fitbit 数据构建自定义健康应用或智能家居联动
   小型健康研究团队 ：需要批量获取脱敏健康数据进行趋势分析（需确保合规性）
   使用风险
   凭证泄露风险 ：FITBIT_CLIENT_SECRET 和 REFRESH_TOKEN 属于高敏感凭证，若环境变量配置不当或日志泄露可能导致账户被接管
   API 速率限制 ：Fitbit API 有严格的调用配额，高频自动化任务可能触发限流
   数据准确性依赖 ：设备佩戴方式、同步延迟可能影响数据质量，Skill 本身不提供数据校验机制
   Token 缓存安全 ：虽然文件权限设置为 600，但在共享服务器或容器环境中仍存在被其他高权限用户读取的风险
   服务可用性依赖 ：Fitbit API 服务中断或策略变更将直接影响 Skill 功能